論文の概要: Bayesian Portfolio Optimization by Predictive Synthesis

• arxiv url: http://arxiv.org/abs/2510.07180v1
• Date: Wed, 08 Oct 2025 16:18:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-09 16:41:20.618826
• Title: Bayesian Portfolio Optimization by Predictive Synthesis
• Title（参考訳）: 予測合成によるベイズポートフォリオ最適化
• Authors: Masahiro Kato, Kentaro Baba, Hibiki Kaibuchi, Ryo Inokuchi,
• Abstract要約: 既存のポートフォリオ最適化手法の多くは、ポートフォリオを構成する資産のリターンの分配に関する情報を必要とする。 流通情報を推定するための様々な手法が提案されているが、その正確性は金融市場の不確実性に大きく依存している。
• 参考スコア（独自算出の注目度）: 5.319802998033766
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Portfolio optimization is a critical task in investment. Most existing portfolio optimization methods require information on the distribution of returns of the assets that make up the portfolio. However, such distribution information is usually unknown to investors. Various methods have been proposed to estimate distribution information, but their accuracy greatly depends on the uncertainty of the financial markets. Due to this uncertainty, a model that could well predict the distribution information at one point in time may perform less accurately compared to another model at a different time. To solve this problem, we investigate a method for portfolio optimization based on Bayesian predictive synthesis (BPS), one of the Bayesian ensemble methods for meta-learning. We assume that investors have access to multiple asset return prediction models. By using BPS with dynamic linear models to combine these predictions, we can obtain a Bayesian predictive posterior about the mean rewards of assets that accommodate the uncertainty of the financial markets. In this study, we examine how to construct mean-variance portfolios and quantile-based portfolios based on the predicted distribution information.
• Abstract（参考訳）: ポートフォリオ最適化は投資において重要な課題である。 既存のポートフォリオ最適化手法の多くは、ポートフォリオを構成する資産のリターンの分配に関する情報を必要とする。 しかし、そのような流通情報は一般に投資家には知られていない。 流通情報を推定するための様々な手法が提案されているが、その正確性は金融市場の不確実性に大きく依存している。 この不確実性のため、ある時点における分布情報を適切に予測できるモデルは、別の時点における他のモデルに比べて精度が低い可能性がある。 そこで本研究では,メタ学習のためのベイズアンサンブル手法であるベイズ予測合成(BPS)に基づくポートフォリオ最適化手法について検討する。 投資家は複数の資産返却予測モデルにアクセスできると仮定する。 BPSと動的線形モデルを用いてこれらの予測を組み合わせることで、金融市場の不確実性に対応する資産の平均的な報酬についてベイズ予測後部を得ることができる。 本研究では,予測分布情報に基づいて平均分散ポートフォリオと量子化ポートフォリオを構築する方法について検討する。

関連論文リスト

• Your AI, Not Your View: The Bias of LLMs in Investment Analysis [55.328782443604986]
  大規模言語モデル(LLM)は、事前訓練されたパラメトリック知識とリアルタイム市場データとの相違により、しばしば知識の衝突に直面している。 本稿では, LLMに基づく投資分析において, 確認バイアスの定量的分析を行った。 われわれは、大口株に対する一貫した選好と、ほとんどのモデルにおけるコントラリアン戦略を観察する。
  論文  参考訳（メタデータ） (2025-07-28T16:09:38Z)
• Conformal Predictive Portfolio Selection [10.470114319701576]
  共形予測による予測ポートフォリオ選択のためのフレームワークを提案する。 提案手法は,将来のポートフォリオのリターンを予測し,対応する予測インターバルを計算し,これらのインターバルに基づいて興味のポートフォリオを選択する。 本稿では,ARモデルに適用することでCPPSフレームワークの有効性を実証し,実証実験によりその性能を検証した。
  論文  参考訳（メタデータ） (2024-10-19T15:42:49Z)
• Explainable Post hoc Portfolio Management Financial Policy of a Deep Reinforcement Learning agent [44.99833362998488]
  我々はポートフォリオ管理のための新しい説明可能な深層強化学習(XDRL)アプローチを開発した。 方法論を実践することにより、エージェントの行動を予測する時間内に解釈し、投資政策の要件に従うかどうかを評価することができる。
  論文  参考訳（メタデータ） (2024-07-19T17:40:39Z)
• Rejection via Learning Density Ratios [50.91522897152437]
  拒絶による分類は、モデルを予測しないことを許容する学習パラダイムとして現れます。 そこで我々は,事前学習したモデルの性能を最大化する理想的なデータ分布を求める。 私たちのフレームワークは、クリーンでノイズの多いデータセットで実証的にテストされます。
  論文  参考訳（メタデータ） (2024-05-29T01:32:17Z)
• Diffusion Variational Autoencoder for Tackling Stochasticity in Multi-Step Regression Stock Price Prediction [54.21695754082441]
  長期的地平線上での多段階の株価予測は、ボラティリティの予測に不可欠である。 多段階の株価予測に対する現在の解決策は、主に単一段階の分類に基づく予測のために設計されている。 深層階層型変分オートコーダ(VAE)と拡散確率的手法を組み合わせてセック2seqの株価予測を行う。 本モデルでは, 予測精度と分散性の観点から, 最先端の解よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-18T16:21:15Z)
• Can ChatGPT Forecast Stock Price Movements? Return Predictability and Large Language Models [51.3422222472898]
  ニュース見出しを用いて,ChatGPTのような大規模言語モデル(LLM)の株価変動を予測する能力について述べる。 我々は,情報容量制約,過小反応,制限対アビタージュ,LLMを組み込んだ理論モデルを構築した。
  論文  参考訳（メタデータ） (2023-04-15T19:22:37Z)
• TPLVM: Portfolio Construction by Student's $t$-process Latent Variable Model [3.5408022972081694]
  我々は,低次元の潜伏変数による財務時系列の非ガウス的変動を記述するために,学生のTPLVM($t$-process latent variable model)を提案する。 これらのポートフォリオを比較することで、提案されたポートフォリオが既存のガウスプロセス潜在変数モデルよりも優れていることを確認した。
  論文  参考訳（メタデータ） (2020-01-29T02:02:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。